基于卡尔曼滤波的锂离子电池模型参数辨识

为了提高锂离子电池仿真模型精度,提出了基于改进的粒子群优化卡尔曼滤波（IPSO-KF）算法辨识电池模型参数。依据卡尔曼滤波算法,根据电池电压、电流,估计电池二阶RC模型参数。利用改进的粒子群算法优化卡尔曼滤波中的协方差矩阵,提高模型参数的辨识精度,建立精确的电池模型。     

改进的自适应卡尔曼滤波在SINS 初始对准中的应用

为提高 Sage-Husa 自适应滤波的稳定性,提出一种基于 UD 分解的改进自适应滤波算法。对在线估计的量测噪声协方差阵和状态估计误差方差阵采取UD分解的形式进行标示和更新,结合捷联惯导静基座初始对准模型,对改进自适应算法进行仿真测试。仿真结果表明：在先验量测噪声和状态估计协方差矩阵存在误差的情况下,新算法能够提高对准精度。     

基于改进自适应滤波算法的在线标定技术研究

考虑到火箭炮工作环境复杂多变,弹载捷联惯导系统的状态噪声及量测噪声难以精确预知,若标定过程中采用标准卡尔曼滤波肯定会影响标定的效果。针对这一问题,在Salychev O自适应滤波算法的基础上提出了一种改进自适应滤波算法。该算法可实时估计和修正系统状态噪声及量测噪声协方差阵,并通过在量测噪声协方差阵估计过程中加入阈值因子,可有效抑制较大量测误差对滤波的影响。通过建立在线标定误差模型、滤波模型及补偿模型,采用改进自适应滤波算法对弹载捷联惯导系统进行在线标定,仿真结果表明,相较于标准卡尔曼滤波及Salychev O自适应滤波算法,采用该算法对惯性器件误差参数的标定效果更好。     

基于互协方差的L型嵌套阵列二维波达方向估计

为了解决L型均匀阵列波达方向（DOA）估计分辨率较低、估计信源数受限于阵元数、估计精度易受信噪比影响等问题,提出一种基于互协方差的L型嵌套阵列二维DOA估计算法。利用不同子阵间互协方差矩阵产生较长无冗余阵元的虚拟阵列,消除噪声干扰;利用虚拟阵列及其共轭矩阵构建等效协方差矩阵,实现虚拟阵列信号的解相干;采用旋转不变子空间技术对等效协方差矩阵进行处理,得到目标的角度信息;基于虚拟阵列等效信源的唯一性进行空间信源的角度匹配。对所提算法的DOA估计有效性进行仿真验证,结果表明,在阵元数相同情况下,该算法与L型均匀阵列相比在低信噪比环境下拥有更高的估计精度,能够辨识更多的空间信源。     

基于协方差矩阵重构稳健波束形成算法

提出了一种新的基于协方差矩阵重构的稳健算法.该算法基于最小化输出期望信号空间倒谱,利用多项式拟合估计期望信号的导向矢量;从数据协方差矩阵中减去期望信号部分,得到干扰加噪声协方差矩阵,通过修正方法实现对干扰加噪声协方差矩阵的准确估计,解决了低信噪比时由于信号子空间发生缠绕,导致协方差矩阵估计存在较大误差的问题;理论分析与仿真实验表明了该算法的有效性和稳健性.     

基于最大似然估计和混合梯度优化的射手模型辨识

光纤制导过程中射手对于光电显示的响应及其控制行为将直接影响弹药的制导控制性能。针对此问题,将最大似然估计法应用于射手模型辨识研究中。为解决辨识过程中遇到的非线性优化问题,采用遗传算法和高斯-牛顿优化算法混合策略提高寻找全局最优解的概率,并使用单纯形法提高算法鲁棒性。基于交叉原理提出适用于导引头回路的精确模型,设计仿真实验平台并进行了多轮次人在回路实验,将输出误差框架下的最大似然估计方法成功应用于实验数据中。结果表明：混合梯度优化算法能够找到全局最优值,辨识模型能够准确反映射手本身的动态特性,辨识方法和辨识的射手模型对于光纤寻的弹药制导控制系统设计具有一定的实际意义。     

基于四元数粒子滤波的飞行器姿态估计算法研究

针对飞行器非线性姿态确定问题,提出了一种四元数粒子滤波算法。将状态向量分为线性部分和非线性部分分别进行处理,降低了粒子滤波的运算量。针对四元数加权求和规范化问题,通过构造拉格朗日代价函数的方法将四元数加权和问题转化为代价函数取极值时的四元数向量求解问题;并通过求取四元数误差方差矩阵对角线元素平方根的方法保证扰动四元数的规范化;利用乘性误差四元数表示四元数估计点与采样点之间的距离,求取四元数的协方差矩阵解决了旋转矢量方差计算问题。仿真实验表明,与传统的扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）算法相比,该算法估计精度更高,稳定性更好。     

基于自适应无迹卡尔曼滤波算法的多股螺旋弹簧动态响应模型参数辨识和分析

针对传统方法在辨识多股螺旋弹簧（以下简称多股簧）非线性响应模型参数时效率较低、精度较差的问题,提出带噪声统计估计器的自适应无迹卡尔曼滤波(AUKF)算法。该算法通过对多股簧试验数据中的量测(过程)噪声进行递推和估计,能够确保非线性模型参数辨识的收敛性;结合多股簧动态试验对该算法进行检验。研究结果表明：即使在量测噪声级别较高的情况下,AUKF算法也可以准确地求出多股簧的动力学模型参数;在预测多股簧动态响应过程中,若预测振幅和参数辨识所用振幅相差太大则会导致较大的预测误差;当加载速度变化时,多股簧动力学模型中的迟滞部分参数基本不变,但0阶非线性刚度系数和非线性放大因子变化较大。     

基于矩阵重构的DOA阵元位置误差校正方法

针对阵元位置误差引起阵列流型出现一定的偏差和扰动,从而导致多重信号分类(MU-SIC)算法估计波达方向(DOA)性能下降的问题,本文在Toeplitz预处理算法的基础上,提出了一种基于矩阵重构的阵元误差校正算法.所提算法首先对有阵列位置误差的协方差矩阵进行预处理,恢复理想情况下协方差矩阵的Toeplitz结构,然后利用核范数优化算法构造凸优化函数,对处理后的协方差矩阵进行降噪,同时保证信号和噪声子空间的正确划分,最后利用MUSIC算法进行DOA估计.计算机仿真和实验分析表明,所提算法有效改善了存在阵元位置误差时MUSIC算法的角度分辨能力,而且减少了由快拍数不足带来的影响,提高了估计精度.     

基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法

在应用因子图算法完成多源组合导航数据融合的过程中,子系统观测噪声的时变特性将对导航状态估计的准确性产生极大影响。为解决这一问题,提出一种基于高斯模型下的子系统观测量均值向量和协方差矩阵的估计算法。该算法利用因子图最优化过程中每个迭代周期下的观测量残差,实时地更新各个子系统观测量的均值向量和协方差矩阵的最大后验估计值,从而得到更加准确的导航状态估计值,在提出新算法的同时也验证了新算法对最优化过程收敛性的影响。仿真测试与实验测试结果表明,与已有的标准因子图算法、基于最大似然估计的因子图算法和基于最大后验估计的因子图算法相比,所提出的基于迭代最大后验估计的因子图算法能够有效提高子系统观测状态变化时的多源组合导航估计精度。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

基于模糊逻辑的交互式多模型网络化弹药多节点目标跟踪算法

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型（FL-IMM）多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模糊融合系统（FFS）将来自不同节点的目标状态估计数据融合,进而得到网络目标状态估计。通过一个具有3个主探测节点的网络验证了该算法的可行性。实验结果表明,该算法在传感器失效、系统测量误差未知等情况下仍能很好地跟踪机动目标;该算法在地面网络化弹药多节点目标跟踪方面具有较大的实用性。     

尺度Unscented变换在同时定位与地图创建算法中的应用研究

同时定位与地图创建( SLAM)问题中运动及观测模型都是非线性的，当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化，由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transformation，SUT)以两种不同的方式运用到SLAM算法中，一是将整个状态方程进行SUT变换，用UKF完全代替EKF进行状态估计；二是只对状态向量中的机器人位姿进行SUT变换，地图特征昀预测及整个状态的更新还是用EKF处理，以一种混合的方式进行状态估计。最后通过大量的Monte- Carlo仿真实验表明，两种方法都能有效地降低EKF的线性化误差，且第二种方法计算效率更高。     

平方根容积卡尔曼滤波算法及其应用

针对使用扩展卡尔曼算法（extended Kalman filter,EKF）对复杂非线性状态估计时收敛速度慢、估计精度低的问题,提出一种平方根容积滤波算法（square root cubature Kalman filter,SRCKF）。SRCKF使用基于容积原则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性。把平方根容积卡尔曼滤波算法（SRCKF）应用到未知弹道系数的再入弹道目标的状态进行估计中。Monte Carlo数值仿真表明,平方根容积滤波算法大大降低了未知弹道系数的再入弹道目标的状态估计误差,提高估计精度,且运行速度较快。     

基于Blackfin 的锂电池管理系统

针对目前锂电池管理系统的荷电状态（SOC）估算精度低、可扩展性差的问题,设计基于Blackfin数字信号处理器的电池管理系统。该系统实现了锂电池数据实时监测、剩余电量估计、通过CAN总线通信扩展多组锂电池、锂电池危险状态报警和自动保护等功能。在剩余电量估计算法上,提出一种遗传算法与蚂蚁算法相结合的GAAA算法优化BP神经网络的方法。实验结果表明：该算法比基于遗传算法的BP神经网络具有更高的SOC估算精度和更快的运算速度。     

双机协同纯方位目标跟踪研究

根据双机被动传感器接收到的空中目标俯仰角和方位角，利用非线性滤波算法即可估计出目标的位置和速度等运动参数。建立了双机协同对目标作纯方位跟踪的数学模型，在对EKF，UKF，PF几种代表性的非线性滤波算法进行理论分析、仿真比较的基础上，得出EKF更适合应用于双机协同纯方位目标跟踪的结论。采用EKF对四个场景进行Monte—Carlo仿真，结果表明：经过大约50S，距离误差曲线收敛于2．5km，速度误差曲线则逐渐收敛于零，该算法具有较好的稳定性和估计精度。对不同场景的仿真结果分析表明：双机分别作直线运动和蛇行机动的纯方位目标跟踪效果优于同时作直线运动，也优于同时作蛇行机动。     

固定指数加权模糊自适应EKF研究及其应用

为了改善扩展卡尔曼滤波（EKF）算法在机动目标跟踪中的跟踪性能，文中研究了一种固定指数加权模糊自适应扩展卡尔曼滤波技术，通过监视理论残差和实际残差的协方差一致程度。应用模糊推理系统不断调整滤波协方差，对扩展卡尔曼滤波器（EKF）进行在线自适应控制．最终实现最优估计。仿真结果表明，改进的算法稳定性高，精度得到明显改善．用于弱机动目标跟踪效果较好。